“大语言模型让人们看见‘诗和远方’，世界模型则有望让机器人真正进入现实世界、脚踏实地、服务人类。”黄源浩认为，随着技术路线从VLA、VTLA持续向世界模型演进，具身智能的模型能力大幅提升，其“Deepseek时刻”正在加速到来；他建议，数据作为模型迭代的基础，需要尽早制定标准。

从大语言模型到空间模型、世界模型，人工智能正在加速进入物理世界。

黄源浩认为，大语言模型主要通过语言和数字内容与人交互，世界模型则有望进一步赋予机器人理解环境、学习动作并执行现实任务的能力。

回答圆桌提问“世界模型能力提升之后，机器人距离真正服务人类还有多远”时，黄源浩认为，机器人将率先进入人类最不愿意从事的结构化、重复性脏活累活场景；随着泛化能力和智能水平提高，再逐步向更多复杂任务渗透。

这一过程，除了模型的突破，还需要数据，需要视觉传感器、灵巧手及机器人本体等环节共同进步。

通过采集多维真实物理世界数据，让模型快速学习人类完成任务的方法；模型部署到机器人本体后，在真实任务中产生新的成功、失败及异常场景数据；数据再回流到模型训练，进一步提升机器人的执行能力和泛化水平。黄源浩判断，“模型、数据与本体将形成持续迭代的'飞轮'”。

虽然互联网已经积累了大量文本、图片和视频数据，但是具身智能所需的真人操作数据历史积累十分有限，依靠机器人真机遥操作采集的成本也相对较高，而根据黄源浩近来在机器人行业一线跑客户的真实感受——“知道我们在提供数据采集服务，客户需求非常着急”——因为即便机器人在移动方面已经积累了较多训练方法，可是像拧螺丝、钉钉子等灵巧操作数据仍然稀缺，仅靠普通视频或第一视角视频，难以完整反映操作过程，模型还需要知道手的空间位置和姿态、施加了多大的力，以及被操作物体处于什么状态。

这意味着，数据采集需要从单一视觉进一步走向视觉、触觉、力觉等多模态融合，同时解决不同设备之间的同步与精度问题。这也是奥比中光在构建机器人与AI视觉产业中台的同时，进一步打造全模态无本体数据采集硬件平台的底层逻辑，除了提供数据采集多品类设备，还联合手套、触觉等厂商共建具身数据生态。

数据飞轮要真正转动起来，不只取决于数据采集的数量，更取决于质量，同时还需要解决采集的数据能否流通和复用的问题。

黄源浩呼吁，行业尽早建立一套可衡量、可复用的数据采集标准体系，包括不同传感器需要达到怎样的精度，不同模态之间需要实现怎样的同步，以及不同采集设备和采集人员获得的数据能否相互兼容。

其次，标准建设不必等待所有技术条件完全成熟，可以从当前能够实现的部分开始，在采集、训练和应用中持续完善。“数据很重要，数据标准更重要。标准能做到八成，就先做到八成；能做到九成，就继续向九成推进。”

在圆桌对话“一句话总结”环节，黄源浩再次“喊话”：我们非常希望与模型、机器人本体、数据厂商及上下游企业协同，推动具身数据标准化，让数据可以流通，让数据为更多企业服务。

本场大会主论坛圆桌由之江实验室主任、阿里云创始人王坚主持。大晓机器人董事长、商汤科技联合创始人王晓刚，无界动力创始人、首席执行官张玉峰，跨维智能创始人、首席执行官贾奎，智澄AI创始人、首席执行官胡鲁辉，飞渡科技联合创始人、总经理宋彬，蚂蚁灵波科技首席科学家沈宇军，以及极佳视界联合创始人、首席科学家朱政等行业代表共同展开探讨。